OpenCLIP是一个先进的开源深度学习项目，专注于OpenAI的CLIP模型的实现和优化。该项目在多样化的数据源和不同的计算预算下成功训练出多个高效能模型，涵盖图像和文本嵌入、模型微调及新模型开发等多个领域。通过增强图像与语言的联合理解能力，OpenCLIP显著推动了人工智能技术的发展，拓宽了其应用领域。

Segment-Any-Anomaly项目提出了一种基于混合提示正则化的零样本异常分割方法。该方法通过适配Grounding DINO和Segment Anything等基础模型，实现了对多种异常检测数据集的高效分割。项目在MVTec-AD、VisA等公开数据集上展现出优秀性能，并在VAND工作坊竞赛中取得佳绩。仓库包含完整代码实现、演示和使用说明，便于研究者复现和应用。

MS-Diffusion是一个多主体零样本图像个性化框架，利用布局引导技术提高生成质量。该框架通过接地令牌和特征重采样器保持细节保真度，并引入多主体交叉注意力机制协调主体组合。实验显示，MS-Diffusion在图像和文本保真度方面表现优异，有助于推进个性化文本到图像生成技术的发展。

ICL_PaperList是一个收录上下文学习(In-context Learning)研究论文的开源项目。内容涵盖模型预训练、提示调优、分析评估等方面,并对Survey、Model Training、Prompt Tuning等领域进行了分类整理。该项目为研究人员提供了全面的上下文学习文献资源,有助于了解该领域的最新进展和发展方向。

GLIP是一种视觉语言预训练模型,在零样本和小样本物体检测任务中表现优异。该模型在COCO和LVIS等标准基准测试中超越了多个有监督基线。GLIP还具有出色的迁移能力,在13个下游物体检测任务中,少样本GLIP可与全监督Dynamic Head模型媲美。项目提供预训练、零样本评估和微调等功能的代码实现,以及多个预训练模型。

FRESCO是一种新型零样本视频转换技术，通过建立空间-时间约束来实现跨帧内容的一致转换。该方法结合帧内和帧间对应关系，对特征进行更新以保持与输入视频的一致性。FRESCO无需训练即可使用，兼容现有模型，能生成高质量连贯的视频，性能超过其他零样本方法。

GenerSpeech: PyTorch实现的NeurIPS 2022文本到语音模型，专注于无监督出域场景下的高保真样式转换。提供多层级样式转换、优化的模型泛化功能，并支持多GPU环境。完整指南及音频样例可在线获取，助您快速实施和部署。

VoiceCraft是一个开源的语音技术项目，专注于零样本语音编辑和实时文本转语音。该项目仅需几秒钟的参考音频即可克隆或编辑未知声音，在有声书、网络视频和播客等真实场景中表现出色。VoiceCraft提供多种运行方式，包括Google Colab、Docker和本地环境，方便研究人员和开发者使用。项目在语音编辑和零样本TTS领域达到了先进水平，为语音技术的发展开辟了新方向。

ReCon是一个融合对比学习和生成式预训练的3D表示学习框架，有效解决了数据不足和表示过拟合问题。该框架在3D点云分类、少样本学习和零样本迁移等任务中表现出色，在ScanObjectNN数据集上达到91.26%的分类准确率。ReCon展现了在3D表示学习领域的先进性能，为相关研究提供了新的思路。

ZeroEval是一个评估语言模型零样本推理能力的统一框架。它通过控制提示、采样和输出解析等因素，在MMLU、GSM等任务上测试指令微调模型的性能。该框架要求模型以JSON格式输出推理过程和答案，并持续扩展评估任务范围。

LSeg是一种语言驱动的语义图像分割模型，结合文本编码器和Transformer图像编码器。它能将描述性标签与图像像素对齐，实现高效零样本分割。LSeg在多个数据集上表现出色，无需额外训练即可泛化到新类别。该模型在固定标签集上可与传统算法媲美，为语义分割任务提供了灵活有力的解决方案。

Zshot是一个高度可定制的开源框架，支持零样本和少样本的命名实体识别和关系识别。该框架提供提及抽取、维基化和关系抽取等功能，并利用SpaCy进行可视化。适用于研究和工业应用，支持最新的方法和预训练模型，并提供易于扩展的API接口。

NaturalSpeech 2是一个基于PyTorch的开源项目，实现了零样本语音和歌唱合成。该项目采用神经音频编解码器和潜在扩散模型，结合非自回归生成和去噪扩散技术，实现高质量的文本到语音转换。项目还优化了注意力机制和Transformer组件，为研究人员和开发者提供了探索先进TTS技术的平台。

Rerender_A_Video项目提出了一种零样本文本引导的视频到视频转换框架。该框架通过关键帧转换和全视频转换，实现了视频风格和纹理的时间一致性。无需重新训练，可与现有图像扩散技术兼容，支持使用LoRA自定义主题和ControlNet引入空间引导。这种方法能生成高质量、时间连贯的风格化视频。

YOLO-World是一款创新的实时开放词汇目标检测模型。经过大规模数据集预训练,它展现出卓越的开放词汇检测和定位能力。采用'先提示后检测'范式,YOLO-World通过重参数化技术实现高效的自定义词汇推理。该模型支持零样本目标检测、分割等多种任务,并开源了在线演示、预训练权重和微调代码,为计算机视觉领域提供了实用的研究与应用工具。

WinCLIP是计算机视觉领域的创新零样本和少样本异常检测算法，专注于异常分类和异常分割。该方法在MVTec-AD和VisA数据集上表现出色，在图像级和像素级异常检测任务中均展现优异性能。项目提供完整实现代码，包含环境配置、数据集准备和结果复现指南，为研究人员和开发者提供重要参考，推动了异常检测技术的发展。

Recognize Anything Model是一系列开源图像识别模型，包括RAM++、RAM和Tag2Text。这些模型能准确识别常见和开放域类别，支持高精度图像标签生成和全面描述。项目提供预训练模型、推理代码和训练数据集，适用于多种计算机视觉任务。模型性能优于现有先进方案，尤其在零样本识别方面表现突出。

AnyDoor是一种零样本对象级图像定制技术，实现灵活的图像编辑。它能将参考对象无缝插入目标图像，保持风格一致性和真实感。项目提供训练和推理代码、预训练模型及在线演示。AnyDoor适用于虚拟试穿、换脸等任务，也可作为区域到区域生成任务的基础模型。该技术为图像编辑和生成领域提供了新的可能性。

CoT-Collection数据集包含184万个思维链推理过程，覆盖1060个任务。该项目通过思维链微调提升语言模型的零样本和少样本学习能力。研究人员可通过Hugging Face获取数据集和预训练模型。这一资源有助于增强AI系统的推理能力，仅供非商业研究使用。

UniTS是一种统一的时间序列模型，可处理多领域的分类、预测、插补和异常检测任务。该模型使用共享参数方法，无需任务特定模块，在38个多领域数据集上表现优异。UniTS具有零样本、少样本和提示学习能力，能适应新的数据领域和任务。其创新的统一网络主干融合了序列和变量注意力机制以及动态线性运算符，为时间序列分析提供了灵活的解决方案。

OpenGraph是一个创新的图基础模型,通过从大语言模型中提取零样本图泛化能力,解决了图神经网络领域的关键技术挑战。该模型引入了统一图标记器、可扩展图transformer和基于大语言模型的数据增强机制,在多种场景下展现出优异的零样本图学习性能。这项研究为图神经网络的泛化能力提升和应用场景拓展开辟了新方向。